JPWO2017022207A1 - ユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラム - Google Patents

Abstract

プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができるユーザ情報推定システムを提供する。推定モデル生成手段２１はユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する。推定手段２２は、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する。

Description

本発明は、プリペイド式携帯端末のユーザのデモグラフィック情報を推定するユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラムに関する。

プリペイド式携帯端末に関する事項を推定する技術が特許文献１に記載されている。特許文献１に記載された方法では、携帯端末に搭載されたプリペイドカードに記録されている利用履歴に基づいて、利用金額を推定する。すなわち、特許文献１に記載された方法では、プリペイド式携帯端末の利用金額を推定対象としている。

特開２００８−３３８０３号公報

通信キャリアは、ポストペイド式携帯端末のユーザのデモグラフィック情報（例えば、年齢や性別等）をそのユーザとの契約時に入手するので、ポストペイド式携帯端末のユーザのデモグラフィック情報を把握することができる。なお、ここでは、デモグラフィック情報の例として年齢や性別を例示したが、デモグラフィック情報の他の例として、職業や年収等も挙げられる。

しかし、通信キャリアは、プリペイド式携帯端末のユーザのデモグラフィック情報（例えば、年齢や性別等）を把握することはできない。

特許文献１に記載された方法では、プリペイド式携帯端末の利用金額を推定することはできるが、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することはできない。

また、通信キャリアは、プリペイド式携帯端末の毎月の利用金額の実績値を把握することができるが、プリペイド式携帯端末のユーザのデモグラフィック情報に関しては、上記のように把握できない。

そこで、本発明は、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができるユーザ情報推定システム、ユーザ情報推定方法およびユーザ情報推定プログラムを提供することを目的とする。

本発明によるユーザ情報推定システムは、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成手段と、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定手段とを備えることを特徴とする。

また、本発明によるユーザ情報推定方法は、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成し、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出することを特徴とする。

また、本発明によるユーザ情報推定プログラムは、コンピュータに、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成処理、および、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定処理を実行させることを特徴とする。

本発明によれば、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができる。

本発明の第１の実施形態のユーザ情報推定システムの例を示すブロック図である。 本発明の第１の実施形態の処理経過の例を示すフローチャートである。 本発明の第２の実施形態のユーザ情報推定システムの例を示すブロック図である。 学習システムの例を示すブロック図である。 推定システムの例を示すブロック図である。 本発明の各実施形態に係るコンピュータの構成例を示す概略ブロック図である。 本発明のユーザ情報推定システムの概要を示すブロック図である。

以下、本発明の実施形態を図面を参照して説明する。

以下に示す本発明の各実施形態では、プリペイド式携帯端末のユーザのデモグラフィック情報として、ユーザの年齢や性別を推定する場合を例にして説明する。

なお、デモグラフィック情報（以下に示す各実施形態では年齢や性別）が推定されることをプリペイド式携帯端末のユーザが了承していることが好ましい。

また、以下に示す本発明の各実施形態では、プリペイド式携帯端末がプリペイド式携帯電話機であり、ポストペイド式携帯端末がポストペイド式携帯電話機である場合を例にして説明する。

また、以下に示す各実施形態では、プリペイド式携帯電話機のユーザのデモグラフィック情報（年齢や性別）を推定するための推定モデルを機械学習によって生成する。

そして、推定モデルを用いて推定を実行する際にパラメータとして用いる変数を「説明変数」と呼ぶ。また、推定対象を表す変数を「目的変数」と呼ぶ。

以下に示す各実施形態では、携帯電話機の使用状況を示す情報を説明変数とする。携帯電話機の使用状況を示す情報は、より具体的には、携帯電話機の使用履歴を示す情報と呼ぶこともできる。また、以下に示す各実施形態では、年齢や性別が目的変数に該当する。なお、携帯端末に関する情報を説明変数としてよく、説明変数は、携帯電話機（携帯端末）の使用状況を示す情報に限定されない。

実施形態１．
図１は、本発明の第１の実施形態のユーザ情報推定システムの例を示すブロック図である。本実施形態のユーザ情報推定システム１０は、訓練データ記憶部１と、学習部２と、推定モデル記憶部３と、推定部４と、推定結果記憶部５とを備える。

訓練データ記憶部１は、プリペイド式携帯電話機のユーザのデモグラフィック情報の推定モデルを学習するために用いられる訓練データを記憶する記憶装置である。以下、訓練データ記憶部１が記憶する訓練データの例を説明する。

訓練データ記憶部１は、ポストペイド式携帯電話機のユーザにおける、目的変数に該当する項目の値を、ポストペイド式携帯電話機のユーザに対応付けて記憶する。例えば、目的変数が「年齢」である場合、訓練データ記憶部１は、ポストペイド式携帯電話機のユーザのユーザＩＤと、そのユーザの年齢とを対応付けて記憶する。また、例えば、目的変数が「性別」である場合、訓練データ記憶部１は、ポストペイド式携帯電話機のユーザのユーザＩＤと、そのユーザの性別とを対応づけて記憶する。目的変数は１つのみとは限らず、２つ以上存在していてもよい。例えば、「年齢」のみ、または、「性別」のみを目的変数としてもよく、若しくは、「年齢」と「性別」をそれぞれ目的変数としてもよい。

訓練データ記憶部１は、例えば、ポストペイド式携帯電話機のユーザのユーザＩＤ、目的変数に該当する項目の値をユーザ毎に、（ユーザＩＤ、年齢、性別）という行列で記憶してもよい。行列に含まれる「年齢」や「性別」等の項目の数は、目的変数の数に応じて定まる。また、以下の説明では、性別を表す際に、男性を“１”で表し、女性を“−１”で表す場合を例にして説明する。例えば、ポストペイド式携帯電話機のユーザのユーザＩＤが“ＩＤ１”であり、そのユーザの年齢、性別がそれぞれ２３才、女性であるとする。この場合、訓練データ記憶部１は、そのユーザに関して、（ＩＤ１，２３，−１）という行列を記憶すればよい。例えば、訓練データ記憶部１は、ポストペイド式携帯電話機を使用する多数のユーザに関して、上記のような行列を記憶する。また、通信キャリアは、ポストペイド式携帯電話機のユーザとの契約時に年齢や性別等のデモグラフィック情報を取得するので、ポストペイド式携帯電話機のユーザの年齢や性別等を把握することができる。従って、通信キャリアが把握している情報を用いることで、ポストペイド式携帯電話機を使用する多数のユーザに関して、訓練データ記憶部１に上記のような行列を記憶させることができる。

同様に、訓練データ記憶部１は、ポストペイド式携帯電話機のユーザにおける、説明変数に該当する項目の値を、ポストペイド式携帯電話機のユーザに対応付けて記憶する。本発明では、携帯電話機の使用状況を示す情報を説明変数とする。携帯電話機の使用状況を示す情報のより具体的な例として、「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」等が挙げられる。使用状況を示す情報の具体例は、これらに限定されない。また、説明変数の数は特に限定されない。例えば、例示した「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」等をそれぞれ説明変数としてもよい。訓練データ記憶部１は、ポストペイド式携帯電話機のユーザのユーザＩＤと、そのユーザにおける説明変数に該当する項目の値を対応づけて記憶すればよい。

訓練データ記憶部１は、ポストペイド式携帯電話機のユーザのユーザＩＤ、各説明変数に該当する項目の値をユーザ毎に、（ユーザＩＤ、過去１か月の音声通話回数、過去１か月の音声通話時間、過去１か月のメール送信回数）という行列で記憶してもよい。例えば、ポストペイド式携帯電話機のユーザのユーザＩＤが“ＩＤ１”であり、そのユーザの「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」がそれぞれ“５０回”、“１００分”、“７５回”であるとする。この場合、訓練データ記憶部１は、そのユーザに関して、（ＩＤ１，５０，１００，７５）という行列を記憶すればよい。例えば、訓練データ記憶部１は、ポストペイド式携帯電話機を使用する多数のユーザに関して、上記のような行列を記憶する。なお、「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」等の携帯電話機の使用状況を示す情報やユーザＩＤは、通信キャリアが有するＣＤＲ（Call Detail Record）データ（通話明細記録とも呼ばれる。）から抽出することができる。通信キャリアが有するＣＤＲデータから、説明変数に該当する項目の値を抽出することによって、ポストペイド式携帯電話機を使用する多数のユーザに関して、訓練データ記憶部１に上記のような行列を記憶させることができる。ここで、通信キャリアは、ポストペイド式携帯電話機のユーザのユーザＩＤと、プリペイド式携帯電話機のユーザのユーザＩＤとをそれぞれ把握しているものとする。なお、各説明変数に該当する項目の値は、ＣＤＲデータ以外のデータ（例えば、基地局の通信ログ）から抽出した値であってもよい。

目的変数に該当する項目の値とともに記憶されるユーザＩＤ、および、各説明変数に該当する項目の値とともに記憶されるユーザＩＤは、共通であり、ポストペイド式携帯電話機のユーザのユーザＩＤである。

ポストペイド式携帯電話機のユーザのユーザＩＤと、そのユーザにおける目的変数に該当する項目の値とを対応付けた情報の集合、および、ポストペイド式携帯電話機のユーザのユーザＩＤと、そのユーザにおける各説明変数に該当する項目の値とを対応付けた情報の集合とが、訓練データである。

学習部２は、訓練データを用いて、「年齢」を目的変数とする推定モデルや、「性別」を目的変数とする推定モデルを機械学習によって生成する。推定モデルは、説明変数の値を適用することによって目的変数の値（すなわち、推定結果）を導出するためのモデルである。換言すれば、推定モデルは、説明変数と目的変数との間に成り立つ規則性を示す情報である。

推定モデルを生成する方法は、特に限定されず、例えば、回帰分析等の公知の方法でよい。

学習部２は、「年齢」を目的変数とする推定モデルのみを生成してもよく、「性別」を目的変数とする推定モデルのみを生成してもよい。また、学習部２は、「年齢」を目的変数とする推定モデルと「性別」を目的変数とする推定モデルの両方を生成してもよい。

学習部２が「年齢」を目的変数とする推定モデルと「性別」を目的変数とする推定モデルの両方を生成する場合、ポストペイド式携帯電話機のユーザのユーザＩＤと、そのユーザの年齢および性別とを対応付けた情報を訓練データに含めておく。また、学習部２が「年齢」を目的変数とする推定モデルのみを生成する場合、ポストペイド式携帯電話機のユーザの性別の値は訓練データに含まれていなくてよい。また、学習部２が「性別」を目的変数とする推定モデルのみを生成する場合、ポストペイド式携帯電話機のユーザの年齢の値は訓練データに含まれていなくてよい。以下の説明では、学習部２が「年齢」を目的変数とする推定モデルと「性別」を目的変数とする推定モデルの両方を生成する場合を例にして説明する。

学習部２によって生成される「年齢」を目的変数とする推定モデルの例を説明する。この推定モデルは、例えば、以下に示す式（１）で表される。

ｙ＝Ｘｗ ・・・（１）

式（１）に示すｙは、年齢が推定されるプリペイド式携帯電話機のユーザの数と同数の成分を有する列ベクトルである。すなわち、年齢が推定されるプリペイド式携帯電話機のユーザの数をｎとすると、ｙ＝（ａ_１，ａ_２，・・・，ａ_ｎ）^Ｔである。ａ_１，ａ_２，・・・，ａ_ｎは、プリペイド式携帯電話機の各ユーザの年齢を表す目的変数である。

式（１）に示すＸは、年齢が推定されるプリペイド式携帯電話機のユーザの数をｎとし、説明変数の数をｍとした場合、ｎ行ｍ列の行列である。Ｘの各行には、それぞれ説明変数が並ぶ。また、式（１）に示すｗは、個々の説明変数に対応する重みを成分とする列ベクトルである。上記のように、説明変数の数がｍである場合、ｗ＝（ｗ_１，ｗ_２，・・・，ｗ_ｍ）^Ｔである。

例えば、「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」を説明変数としているものとし、その３つの説明変数をｘ_１，ｘ_２，ｘ_３とする。この場合、ｗ＝（ｗ_１，ｗ_２，ｗ_３）^Ｔであり、ｗ_１，ｗ_２，ｗ_３はそれぞれ、ｘ_１，ｘ_２，ｘ_３に対応する重みである。この例の場合、式（１）は、以下の式（２）のように表される。

次に、学習部２によって生成される「性別」を目的変数とする推定モデルの例を説明する。この推定モデルは、例えば、以下に示す式（３）で表される。

ｙ＝ｌｏｇｉｓｔｉｃ（Ｘｗ） ・・・（２）

式（２）に示すＸ，ｗは、式（１）に示すＸ，ｗと同様である。また、ｌｏｇｉｓｔｉｃ（）は、ロジスティック回帰関数である。

式（２）に示すｙは、性別が推定されるプリペイド式携帯電話機のユーザの数と同数の成分を有する列ベクトルである。すなわち、性別が推定されるプリペイド式携帯電話機のユーザの数をｎとすると、ｙ＝（ｓ_１，ｓ_２，・・・，ｓ_ｎ）^Ｔである。ｓ_１，ｓ_２，・・・，ｓ_ｎは、プリペイド式携帯電話機の各ユーザの性別を表す目的変数であり、性別の推定時には“１”または“−１”の値をとる。目的変数の値が“１”であれば、性別の推定結果が「男性」であることを意味し、目的変数の値が“−１”であれば、性別の推定結果が「女性」であることを意味する。ただし、学習部２が推定モデルを生成した時点では、目的変数の値はまだ定まっていない。

学習部２は、「年齢」を目的変数とする推定モデル（例えば、式（１））および「性別」を目的変数とする推定モデル（例えば、式（３））を、訓練データを用いて、機械学習により生成する。既に説明したように、推定モデルを生成する方法は、特に限定されず、例えば、回帰分析等の公知の方法でよい。

学習部２は、訓練データに基づいて生成した推定モデルを、推定モデル記憶部３に記憶させる。推定モデル記憶部３は、学習部２によって生成された推定モデルを記憶する記憶装置である。

推定部４は、学習部２によって生成された推定モデルを用いて、プリペイド式携帯電話機のユーザのデモグラフィック情報（本実施形態では、年齢および性別）を推定する。

推定部４には、説明変数の値として、プリペイド式携帯電話機のユーザによるプリペイド式携帯電話機の使用状況を示す情報が入力される。本例では、推定モデルにおいて、「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」がそれぞれ説明変数ｘ_１，ｘ_２，ｘ_３になっているものとする。この場合、推定部４には、年齢および性別が推定されるプリペイド式携帯電話機のユーザ毎に、ユーザＩＤとこれらの説明変数の値とを対応付けた情報が入力される。

前述のように、「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」等の携帯電話機の使用状況を示す情報やユーザＩＤは、ＣＤＲデータから抽出することができる。また、通信キャリアは、ポストペイド式携帯電話機のユーザのユーザＩＤと、プリペイド式携帯電話機のユーザのユーザＩＤとをそれぞれ把握している。従って、プリペイド式携帯電話機のユーザ毎に、ユーザＩＤと各説明変数の値とを対応付けた情報を、推定部４に入力することができる。

推定部４は、ユーザ毎に入力された各説明変数の値を、式（１）に代入することによって、式（１）のベクトルｙの成分ａ_１，ａ_２，・・・，ａ_ｎの値を算出する。本例では、式（１）は、具体的には、式（２）のように表される。推定部４は、１番目のプリペイド式携帯電話機のユーザのｘ_１，ｘ_２，ｘ_３の値、２番目のプリペイド式携帯電話機のユーザのｘ_１，ｘ_２，ｘ_３の値、・・・、ｎ番目のプリペイド式携帯電話機のユーザのｘ_１，ｘ_２，ｘ_３の値をそれぞれ、行列Ｘの１行目の各成分、行列Ｘの２行目の各成分、・・・、行列Ｘのｎ行目の各成分に代入することによって、ベクトルｙの成分ａ_１，ａ_２，・・・，ａ_ｎの値を算出する。ａ_１，ａ_２，・・・，ａ_ｎはそれぞれ、プリペイド式携帯電話機の各ユーザの年齢を表す目的変数であるので、算出されたａ_１，ａ_２，・・・，ａ_ｎの値は、プリペイド式携帯電話機の各ユーザの年齢の推定値である。

同様に、推定部４は、ユーザ毎に入力された各説明変数の値を、式（３）に代入することによって、式（３）のベクトルｙの成分ｓ_１，ｓ_２，・・・，ｓ_ｎの値を算出する。本例では、式（３）の行列Ｘの各行の成分はｘ_１，ｘ_２，ｘ_３である。推定部４は、１番目のプリペイド式携帯電話機のユーザのｘ_１，ｘ_２，ｘ_３の値、２番目のプリペイド式携帯電話機のユーザのｘ_１，ｘ_２，ｘ_３の値、・・・、ｎ番目のプリペイド式携帯電話機のユーザのｘ_１，ｘ_２，ｘ_３の値をそれぞれ、式（３）の行列Ｘの１行目の各成分、行列Ｘの２行目の各成分、・・・、行列Ｘのｎ行目の各成分に代入することによって、式（３）のベクトルｙの成分ｓ_１，ｓ_２，・・・，ｓ_ｎの値を算出する。ｓ_１，ｓ_２，・・・，ｓ_ｎはそれぞれ、プリペイド式携帯電話機の各ユーザの性別を表す目的変数であるので、算出されたｓ_１，ｓ_２，・・・，ｓ_ｎの値は、プリペイド式携帯電話機の各ユーザの性別の推定値を表わす。本例では、ｓ_１等の目的変数の値が“１”である場合、男性であることを意味し、値が“−１”である場合、女性であることを意味する。

推定結果記憶部５は、推定部４によって推定されたプリペイド式携帯電話機のユーザのデモグラフィック情報を記憶する記憶装置である。推定部４は、プリペイド式携帯電話機のユーザのユーザＩＤと年齢および性別の推定結果とを対応づけて、推定結果記憶部５に記憶させる。

学習部２および推定部４は、例えば、ユーザ情報推定プログラムに従って動作するコンピュータのＣＰＵによって実現される。この場合、ＣＰＵは、例えば、コンピュータのプログラム記憶装置（図１において図示略）等のプログラム記録媒体からユーザ情報推定プログラムを読み込み、そのユーザ情報推定プログラムに従って、学習部２および推定部４として動作すればよい。また、学習部２および推定部４が別々のハードウェアによって実現されていてもよい。

また、本発明のユーザ情報推定システム１０は、２つ以上の物理的に分離した装置が有線または無線で接続されている構成であってもよい。この点は、後述の実施形態において同様である。

次に、本発明の処理経過について説明する。図２は、本発明の第１の実施形態の処理経過の例を示すフローチャートである。訓練データ記憶部１には、ポストペイド式携帯電話機の多数のユーザに関して得られた、ユーザＩＤと年齢および性別とを対応付けた情報の集合、および、ユーザＩＤと各説明変数（本例では、「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」とする。）に該当する項目の値とを対応付けた情報の集合が、予め訓練データとして記憶されているものとする。

学習部２は、訓練データ記憶部１に記憶されている訓練データに基づいて、機械学習によって推定モデルを生成する（ステップＳ１）。本例では、学習部２は、「年齢」を目的変数とする推定モデル、および、「性別」を目的変数とする推定モデルを生成するものとする。また、「年齢」を目的変数とする推定モデルは、式（１）で表され、「性別」を目的変数とする推定モデルは、式（３）で表されるものとする。

学習部２は、生成した推定モデルを推定モデル記憶部３に記憶させる。

次に、推定部４には、年齢および性別が推定されるプリペイド式携帯電話機のユーザ毎に、ユーザＩＤおよび各説明変数（「過去１か月の音声通話回数」、「過去１か月の音声通話時間」、「過去１か月のメール送信回数」）の値が入力される。ユーザＩＤおよびこのような使用状況を示す情報を表す説明変数は、通信キャリアが有するＣＤＲデータから抽出することができる。

推定部４は、入力されたプリペイド式携帯電話機の各ユーザの各説明変数の値を推定モデルに適用することによって、プリペイド式携帯電話機のユーザの年齢、性別を推定する（ステップＳ２）。ステップＳ２において、推定部４は、式（１）の行列Ｘの行毎に１人分のプリペイド式携帯電話機のユーザの各説明変数の値を代入することによって、式（１）のベクトルｙの成分ａ_１，ａ_２，・・・，ａ_ｎの値を算出する。ａ_１，ａ_２，・・・，ａ_ｎの値は、プリペイド式携帯電話機の各ユーザの年齢の推定値である。同様に、推定部４は、式（３）の行列Ｘの行毎に１人分のプリペイド式携帯電話機のユーザの各説明変数の値を代入することによって、式（３）のベクトルｙの成分ｓ_１，ｓ_２，・・・，ｓ_ｎの値を算出する。ｓ_１，ｓ_２，・・・，ｓ_ｎの値は、プリペイド式携帯電話機の各ユーザの推定値である。前述のように、ｓ_１等の値が“１”である場合、男性であることを意味し、値が“−１”である場合、女性であることを意味する。

推定部４は、プリペイド式携帯電話機のユーザのユーザＩＤと、そのユーザの年齢および性別の推定結果とを対応付けて、推定結果記憶部５に記憶させる。

本実施形態によれば、年齢や性別が既知となっているポストペイド式携帯電話機のユーザの年齢や性別と、そのユーザによる携帯電話機の使用状況を示す情報とに基づいて、目的変数（年齢や性別）と説明変数（使用状況を示す情報）との関係を示す推定モデルを学習部２が生成する。そして、推定部４が、プリペイド式携帯電話機のユーザによる使用状況を示す情報を推定モデルに適用することによって、プリペイド式携帯電話機のユーザの年齢や性別の推定値を算出する。従って、本実施形態によれば、プリペイド式携帯電話機のユーザの年齢や性別を推定することができる。

実施形態２．
図３は、本発明の第２の実施形態のユーザ情報推定システムの例を示すブロック図である。第１の実施形態における要素と同様の要素については、図１と同一の符号を付し、説明を省略する。本実施形態のユーザ情報推定システム１０は、訓練データ記憶部１と、学習部２と、推定モデル記憶部３と、推定部４と、推定結果記憶部５と、基地局関連情報生成部６と、基地局関連情報記憶部７を備える。訓練データ記憶部１、学習部２、推定モデル記憶部３、推定部４および推定結果記憶部５は、第１の実施形態における訓練データ記憶部１、学習部２、推定モデル記憶部３、推定部４および推定結果記憶部５と同様である。

以下の説明では、学習部２および推定部４が、第１の実施形態で説明した処理を実行し、その結果、プリペイド式携帯電話機のユーザのユーザＩＤと、そのユーザの年齢および性別の推定結果とを対応付けた情報が、推定結果記憶部５に記憶されているものとする。

基地局関連情報生成部６には、各基地局の通信ログが入力される。通信ログは、個々の基地局毎に生成される。通信ログには、その通信ログを生成した基地局と通信を行った携帯電話機のユーザのユーザＩＤと、その基地局およびその携帯電話機とが通信を行った時刻（以下、通信時刻と記す。）と、その基地局の基地局ＩＤとが対応付けられて記録されている。

基地局関連情報生成部６は、推定結果記憶部５に記憶されているユーザＩＤ（プリペイド式携帯電話機のユーザのユーザＩＤ）をキーにして、各基地局の通信ログから、そのユーザＩＤに対応づけられている通信時刻、および基地局ＩＤを抽出する。基地局関連情報生成部６は、さらに、その通信時刻および基地局ＩＤと、キーとして用いたユーザＩＤ、およびそのユーザＩＤに対応付けられて推定結果記憶部５に記憶されているプリペイド式携帯電話機のユーザのデモグラフィック情報（具体的には年齢および性別）とを対応付けた情報を生成する。すなわち、基地局関連情報生成部６は、プリペイド式携帯電話機のユーザのユーザＩＤ、そのユーザの年齢、性別、そのユーザのプリペイド式携帯電話機と基地局との通信時刻、およびその基地局の基地局ＩＤとを対応付けた情報を生成する。以下、この情報を基地局関連情報と記す。

基地局関連情報生成部６は、通信ログから抽出した通信時刻と基地局ＩＤとの組毎に、を生成する。

基地局関連情報記憶部７は、基地局関連情報を記憶する記憶装置である。基地局関連情報生成部６は、生成した基地局関連情報を基地局関連情報記憶部７に記憶させる。

学習部２、推定部４および基地局関連情報生成部６は、例えば、ユーザ情報推定プログラムに従って動作するコンピュータのＣＰＵによって実現される。この場合、ＣＰＵは、例えば、コンピュータのプログラム記憶装置（図３において図示略）等のプログラム記録媒体からユーザ情報推定プログラムを読み込み、そのユーザ情報推定プログラムに従って、学習部２、推定部４および基地局関連情報生成部６として動作すればよい。また、学習部２、推定部４および基地局関連情報生成部６が別々のハードウェアによって実現されていてもよい。

本実施形態においても、ユーザ情報推定システム１０は、第１の実施形態で説明したステップＳ１，Ｓ２の処理を実行する。その結果、プリペイド式携帯電話機のユーザのユーザＩＤと、そのユーザの年齢および性別の推定結果とを対応付けた情報が、推定結果記憶部５に記憶された状態となる。その後、基地局関連情報生成部６は、入力された各基地局の通信ログと、推定結果記憶部５に記憶された情報とに基づいて、基地局関連情報を生成し、その基地局関連情報を基地局関連情報記憶部７に記憶させる。

本実施形態においても、第１の実施形態と同様の効果が得られる。また、本実施形態によれば、プリペイド式携帯電話機のユーザのユーザＩＤ、そのユーザのデモグラフィック情報（年齢、性別）、そのユーザのプリペイド式携帯電話機と基地局との通信時刻、およびその基地局の基地局ＩＤとを対応付けた情報である基地局関連情報が得られる。通信キャリアは、基地局ＩＤによって特定される基地局の位置を把握することができる。従って、基地局関連情報から、どの場所に、いつ、何歳のユーザが存在していたかを把握し、そのユーザの性別も把握することができる。

なお、推定部４が、年齢のみを推定対象としている場合には、基地局関連情報に年齢の情報は含まれていなくてよい。また、推定部４が、性別のみを推定対象としている場合には、基地局関連情報に性別の情報は含まれていなくてよい。

第２の実施形態では、ユーザ情報推定システムが、推定したデモグラフィック情報と、基地局の通信ログから抽出した情報とを結びつける場合を示した。ユーザ情報推定システムが、推定したデモグラフィック情報と、ＣＲＭ（Customer Relationship Management）から取得できるＡＲＰＵ（Average Revenue Per User）や端末情報とを結び付けてもよい。また、事業者がＤＰＩ（Deep Packet Inspection）を導入している場合には、ユーザ情報推定システムが、推定したデモグラフィック情報と、ＤＰＩから取得できる情報（例えば、ユーザがアクセスしたＵＲＬ等）とを結び付けてもよい。

なお、上記の各実施形態で説明したユーザ情報推定システム１０は、例えば、通信キャリアによって使用されるが、通信キャリア以外の者がユーザ情報推定システム１０を使用してもよい。その場合、ユーザ情報推定システム１０の使用者は、通信キャリアから、訓練データ、推定部４に入力する情報、通信ログ、基地局ＩＤと基地局の位置との関係を示す情報等の提供を受ければよい。

なお、本発明のユーザ情報推定システムによるサービスは、ＳａａＳ（Software as a Service）形式で提供され得る。

また、上記の各実施形態で説明したユーザ情報推定システム１０のうち、学習に関する要素を含む独立したシステム（以下、学習システムと記す。）と、推定に関する要素を含む独立したシステム（以下、推定システムと記す。）とをそれぞれ別のシステムとし、学習システムおよび推定システムとを別の者が使用してもよい。

図４は、学習システムの例を示すブロック図である。図１に示す要素と同一の要素については、図１と同一の符号を付す。学習システムは、訓練データ記憶部１と、学習部２と、推定モデル記憶部３とを備える。

訓練データ記憶部１は、第１の実施形態および第２の実施形態における訓練データと同様の訓練データを記憶する。

学習部２は、ポストペイド型携帯電話機のユーザの使用状況を示す情報と、そのポストペイド型携帯電話機のユーザのデモグラフィック情報とに基づいて（換言すれば、訓練データに基づいて）、デモグラフィック情報を目的変数とし、使用状況を示す情報を説明変数とする推定モデルを生成する。学習部２の具体的な動作は、第１の実施形態および第２の実施形態における学習部２の動作と同様である。

推定モデル記憶部３は、推定モデルを記憶する記憶装置である。学習部２は、生成した推定モデルを推定モデル記憶部３に記憶させる。

図５は、推定システムの例を示すブロック図である。図１に示す要素と同一の要素については、図１と同一の符号を付す。推定システムは、推定部４と、推定結果記憶部５とを備える。

推定部４には、学習システム（図４参照）によって生成された推定モデルが入力される。また、推定部４には、プリペイド式携帯電話機のユーザの使用状況を示す情報（換言すれば、説明変数の値）が入力される。推定部４は、その使用状況を示す情報を推定モデルに適用することによって、プリペイド式携帯電話機のユーザのデモグラフィック情報の推定値を算出する。推定部４の具体的な動作は、第１の実施形態および第２の実施形態における推定部４の動作と同様である。

推定結果記憶部５は、第１の実施形態および第２の実施形態における推定結果記憶部５と同様である。

図５に示す推定システムは、第２の実施形態における基地局関連情報生成部６および基地局関連情報記憶部７を含んでいてもよい。

また、以上の説明では、ポストペイド型携帯端末に関する情報（例えば、使用状況を示す情報）と、ポストペイド型携帯端末のユーザのデモグラフィック情報とを訓練データとする場合を示した。訓練データとして用いる情報は、ポストペイド型携帯端末に関する情報に限定されず、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報であればよい。すなわち、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、そのデモグラフィック情報とを訓練データとして用いればよい。

図６は、本発明の各実施形態に係るコンピュータの構成例を示す概略ブロック図である。コンピュータ１０００は、ＣＰＵ１００１と、主記憶装置１００２と、補助記憶装置１００３と、インタフェース１００４と、入力デバイス１００６とを備える。入力デバイス１００６には、推定部４に対する入力データや基地局関連情報生成部６に対する入力データが入力される。

各実施形態のユーザ情報推定システム１０は、コンピュータ１０００に実装される。ユーザ情報推定システム１０の動作は、プログラム（ユーザ情報推定プログラム）の形式で補助記憶装置１００３に記憶されている。ＣＰＵ１００１は、プログラムを補助記憶装置１００３から読み出して主記憶装置１００２に展開し、そのプログラムに従って上記の処理を実行する。

補助記憶装置１００３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例として、インタフェース１００４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ１０００に配信される場合、配信を受けたコンピュータ１０００がそのプログラムを主記憶装置１００２に展開し、上記の処理を実行してもよい。

また、プログラムは、前述の処理の一部を実現するためのものであってもよい。さらに、プログラムは、補助記憶装置１００３に既に記憶されている他のプログラムとの組み合わせで前述の処理を実現する差分プログラムであってもよい。

次に、本発明の概要について説明する。図７は、本発明のユーザ情報推定システムの概要を示すブロック図である。本発明のユーザ情報推定システムは、推定モデル生成手段２１と、推定手段２２とを備える。

推定モデル生成手段２１（例えば、学習部２）は、ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する。

推定手段２２（例えば、推定部４）は、プリペイド型携帯端末に関する情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する。

そのような構成により、プリペイド式携帯端末のユーザのデモグラフィック情報を推定することができる。

また、推定モデル生成手段２１が、ポストペイド型携帯端末に関する情報と、ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成してもよい。

また、推定モデル生成手段２１が、ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、使用状況を示す情報を説明変数とする推定モデルを生成し、推定手段２２が、プリペイド型携帯端末の使用状況を示す情報を推定モデルに適用することによって、プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出してもよい。

また、基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、その基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、その基地局とそのプリペイド型携帯端末とが通信を行った時刻、およびそのユーザのデモグラフィック情報の推定値とを対応づけた情報（例えば、基地局関連情報）を生成する情報生成手段（例えば、基地局関連情報生成部６）を備える構成であってもよい。

例えば、推定モデル生成手段２１は、年齢を目的変数とする推定モデルと、性別を目的変数とする推定モデルの一方または両方を生成する。

以上、実施形態を参照して本願発明を説明したが、本願発明は、上記の実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２０１５年８月６日に出願された米国仮出願62/201,647を基礎とする優先権を主張し、その開示の全てをここに取り込む。

産業上の利用の可能性

本発明は、プリペイド式携帯端末のユーザのデモグラフィック情報を推定するユーザ情報推定システムに好適に適用される。

１ 訓練データ記憶部
２ 学習部
３ 推定モデル記憶部
４ 推定部
５ 推定結果記憶部
６ 基地局関連情報生成部
７ 基地局関連情報記憶部
１０ ユーザ情報推定システム

Claims (13)

1. ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成手段と、
   プリペイド型携帯端末に関する情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定手段とを備える
   ことを特徴とするユーザ情報推定システム。
2. 推定モデル生成手段は、ポストペイド型携帯端末に関する情報と、前記ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する
   請求項１に記載のユーザ情報推定システム。
3. 推定モデル生成手段は、ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、前記使用状況を示す情報を説明変数とする推定モデルを生成し、
   推定手段は、プリペイド型携帯端末の使用状況を示す情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する
   請求項１または請求項２に記載のユーザ情報推定システム。
4. 基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、前記基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、前記基地局と前記プリペイド型携帯端末とが通信を行った時刻、および前記ユーザのデモグラフィック情報の推定値とを対応づけた情報を生成する情報生成手段を備える
   請求項１から請求項３のうちのいずれか１項に記載のユーザ情報推定システム。
5. 推定モデル生成手段は、年齢を目的変数とする推定モデルと、性別を目的変数とする推定モデルの一方または両方を生成する
   請求項１から請求項４のうちのいずれか１項に記載のユーザ情報推定システム。
6. ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成し、
   プリペイド型携帯端末に関する情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する
   ことを特徴とするユーザ情報推定方法。
7. ポストペイド型携帯端末に関する情報と、前記ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する
   請求項６に記載のユーザ情報推定方法。
8. ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、前記使用状況を示す情報を説明変数とする推定モデルを生成し、
   プリペイド型携帯端末の使用状況を示す情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する
   請求項６または請求項７に記載のユーザ情報推定方法。
9. 基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、前記基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、前記基地局と前記プリペイド型携帯端末とが通信を行った時刻、および前記ユーザのデモグラフィック情報の推定値とを対応づけた情報を生成する
   請求項６から請求項８のうちのいずれか１項に記載のユーザ情報推定方法。
10. コンピュータに、
    ユーザのデモグラフィック情報が既知となっている携帯端末に関する情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成する推定モデル生成処理、および、
    プリペイド型携帯端末に関する情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出する推定処理
    を実行させるためのユーザ情報推定プログラム。
11. コンピュータに、
    推定モデル生成処理で、ポストペイド型携帯端末に関する情報と、前記ポストペイド型携帯端末のユーザのデモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、携帯端末に関する情報を説明変数とする推定モデルを生成させる
    請求項１０に記載のユーザ情報推定プログラム。
12. コンピュータに、
    推定モデル生成処理で、ユーザのデモグラフィック情報が既知となっている携帯端末の使用状況を示す情報と、前記デモグラフィック情報とに基づいて、デモグラフィック情報を目的変数とし、前記使用状況を示す情報を説明変数とする推定モデルを生成させ、
    推定処理で、プリペイド型携帯端末の使用状況を示す情報を前記推定モデルに適用することによって、前記プリペイド型携帯端末のユーザのデモグラフィック情報の推定値を算出させる
    請求項１０または請求項１１に記載のユーザ情報推定プログラム。
13. コンピュータに、
    基地局の通信ログと、各プリペイド型携帯端末のユーザのデモグラフィック情報の推定値とに基づいて、基地局の識別情報、前記基地局と通信を行ったプリペイド型携帯端末のユーザの識別情報、前記基地局と前記プリペイド型携帯端末とが通信を行った時刻、および前記ユーザのデモグラフィック情報の推定値とを対応づけた情報を生成する情報生成処理を実行させる
    請求項１０から請求項１２のうちのいずれか１項に記載のユーザ情報推定プログラム。

Images